Negli ultimi mesi si sta facendo strada una consapevolezza fondamentale tra le aziende che stanno investendo nell’intelligenza artificiale, in particolare nei settori bancario e assicurativo: l’AI aziendale funziona davvero solo quando viene applicata con metodo, su basi solide. Non basta adottare tecnologie all’avanguardia perché “fa tendenza” o perché si vuole essere percepiti come innovativi. Servono invece tre elementi essenziali: dati affidabili, una governance chiara e casi d’uso ben definiti.
La verità è che, dopo un primo periodo di entusiasmo legato all’intelligenza artificiale generativa (GenAI), molte imprese si stanno rendendo conto che i risultati concreti scarseggiano. Hanno investito, hanno sperimentato, ma in molti casi non hanno ottenuto benefici economici tangibili. Questo accade perché, spesso, l’AI viene applicata in modo generico, senza un piano preciso o senza una reale comprensione delle sue potenzialità, così come si legge su pymnts.com.
Lo ha spiegato molto chiaramente Stu Bradley, vicepresidente senior per il rischio, le frodi e la conformità di SAS, durante l’evento SAS Innovate. Bradley ha sottolineato come molte aziende abbiano approvato progetti solo perché includevano la parola “intelligenza artificiale”, ma senza valutare se davvero quella tecnologia fosse adatta al problema da risolvere. È un approccio sbagliato, che ha portato a risultati deludenti. Secondo Bradley, serve “una cassetta degli attrezzi, non un martello”: ovvero, ogni problema richiede lo strumento giusto, e non esiste una soluzione unica valida per tutto.
I dati raccolti da SAS durante l’evento parlano chiaro. Un’indagine su 1.600 istituti finanziari ha rivelato che il 99% dei dirigenti ha già avviato qualche forma di implementazione della GenAI. Tuttavia, più della metà ammette che i primi progetti non hanno portato vantaggi finanziari significativi. Questo perché spesso mancano le basi: dati di qualità, integrazione tra sistemi, strategie ben strutturate.
Nel frattempo, i criminali informatici stanno sfruttando l’intelligenza artificiale per ideare nuove forme di frode, sempre più sofisticate, come i deepfake o le identità sintetiche. I metodi tradizionali di rilevamento non sono più sufficienti e il 78% dei dirigenti intervistati prevede che, nei prossimi dieci anni, frodi e attacchi cyber avranno un impatto sempre più rilevante.
Proprio per questo motivo, aziende come SAS stanno puntando su approcci più rigorosi e integrati. La proposta è quella di adottare un modello completo per la gestione dell’intero ciclo di vita dei dati e dell’AI, che permetta di tracciare la provenienza dei dati, di individuare possibili distorsioni e di applicare controlli e verifiche in ogni fase. Solo così l’intelligenza artificiale può essere utilizzata in modo responsabile e realmente efficace.
In parallelo, anche la pressione normativa sta aumentando. In Europa si iniziano a vedere le prime sanzioni per la mancanza di “spiegabilità” nei modelli di AI, mentre negli Stati Uniti i regolatori vogliono vedere con esattezza quali dati vengono usati e come. Non si può più improvvisare: le aziende devono dimostrare di avere tutto sotto controllo.
In questo scenario complesso, c’è però anche una nota positiva. Un recente rapporto di PYMNTS Intelligence, intitolato “The CAIO Report”, ha evidenziato che molti Chief Financial Officer (CFO) stanno finalmente vedendo i primi, veri ritorni sugli investimenti in GenAI. A dicembre 2024, quasi il 90% dei CFO intervistati ha dichiarato di aver ottenuto benefici significativi dalla tecnologia, rispetto a solo il 26% di marzo dello stesso anno. Questo dimostra che, se usata bene, l’AI può davvero generare valore misurabile e concreto per il business.
Le aziende del settore finanziario, in particolare, stanno iniziando a chiedere meno “magia tecnologica” e più soluzioni veloci, sicure e integrate. Vogliono meno software separati, meno piattaforme difficili da collegare, e più strumenti in grado di dialogare tra loro in modo fluido. Il problema è che, negli ultimi anni, molte banche hanno adottato sistemi separati per ogni funzione – uno per le frodi, uno per i pagamenti, uno per l’antiriciclaggio – creando così un’infrastruttura rigida e difficile da gestire.
La risposta di SAS a questo problema è una “razionalizzazione IT” che punta a ridurre il numero di fornitori e a costruire piattaforme modulari, capaci di gestire contemporaneamente analisi del rischio, rilevamento delle frodi e processi finanziari. L’obiettivo è fornire alle imprese uno strumento unico, più semplice e veloce da utilizzare, che permetta ai dirigenti di prendere decisioni basate sui dati in tempo reale.
Inoltre, le aziende non sono più disposte ad approvare budget per progetti generici: vogliono applicazioni mirate, che risolvano problemi specifici. SAS, infatti, ora propone soluzioni pensate per rispondere a casi concreti, come ad esempio gli stress test sui capitali in un periodo di alti tassi d’interesse o la gestione automatizzata di ogni fase del rapporto con il cliente, dall’ingresso in azienda fino al recupero crediti.
Un altro tema molto sentito è quello dei costi della conformità, in forte aumento. Per le banche più piccole, questo è un peso enorme. Per questo motivo, Bradley consiglia di smettere di rincorrere ogni nuova normativa con una soluzione diversa, e di iniziare a costruire un’architettura di conformità stabile, che includa gestione del rischio, lotta alle frodi e controllo dei modelli di AI in un’unica piattaforma.
In definitiva, il futuro dell’intelligenza artificiale nelle aziende non dipenderà da chi si muove più in fretta, ma da chi riesce a farlo in modo strutturato e intelligente. Le organizzazioni che investiranno nella qualità dei dati, semplificheranno i propri sistemi tecnologici e adotteranno meccanismi di controllo affidabili saranno quelle in grado di ottenere vantaggi reali e duraturi. Come sintetizza Bradley, la vera strategia non è inseguire l’ultima novità tecnologica, ma dotarsi di una “cassetta degli attrezzi” ben fornita, per affrontare ogni sfida con lo strumento giusto.
